• 한국지능시스템학회논문지
• /
• 제22권1호
• /
• pp.81-86
• /
• 2012

본 논문에서는 전형적인 Linear Discriminant Analysis을 확장시켜 전체 입력공간을 다수의 지역공간으로 분할하고 분할된 공간에 Local Linear Discriminant Analysis 기반으로 하여 패턴 분류 규칙을 설계하는 새로운 방법을 제안한다. 전체 입력공간을 여러 개의 지역공간으로 분할하기 위한 방법으로 unsupervised clustering의 대표적인 방법인 k-Means 클러스터링 기법과 최적화 알고리즘인 차분 진화 연산 알고리즘을 사용한다. 제안된 알고리즘의 성능 평가를 위해 기존의 패턴 분류기와 비교 결과를 제시한다.

• 생물환경조절학회지
• /
• 제30권1호
• /
• pp.19-26
• /
• 2021

본 연구에서는 같은 지역에 위치한 온실 3곳의 식별을 위해 통계적인 방법으로 분류를 하고자 주성분 분석(PCA)과 선형 판별 분석(LDA)을 수행하였다. 온실 내의 환경데이터는 같은 지역의 온실 3곳을 대상으로 4월1일부터 4월28일 총4주간 1시간 간격으로 수집된 값을 사용하였다. 데이터를 분석하기 전, 데이터 정규화를 시키는 전처리를 거쳤으며, 전체의 80%인 훈련자료(training data)와 20%인 테스트 자료(test data)로 나누어 분석을 수행하였다. 분석을 수행한 결과, PC1은 57.51%의 설명력으로 PC1 = 0.7118112 × Tem. -0.6830065 × Humi. -0.1637892 × CO2.의 식을 가지며, LD1은 67.06%의 설명력으로 LD1 = 0.8622565 × Tem. -0.1805741 × Humi. + 1.4018140 × CO2. + 0.03040701의 식을 가지는 것으로 나타났다. 이렇게 미리 분류시켜놓은 온실의 데이터를 바탕으로 새로운 환경의 데이터를 입력하였을 때 특정 그룹으로의 분류가 가능함으로써 데이터의 성향을 파악할 수 있다. 이러한 데이터는 식별을 용이하게 함으로써 데이터의 활용도를 높여주는 방법이라고 판단된다.